Des chercheurs de l'Université du Massachusetts à Amherst ont inventé un appareil de surveillance portable alimenté par l'apprentissage automatique, appelé FluSense, capable de détecter la toux et la taille de la foule en temps réel. puis analysez les données pour surveiller directement les syndromes grippaux et les tendances de la grippe.

Les créateurs de FluSense disent que la nouvelle plate-forme d'informatique de pointe, prévu pour une utilisation dans les hôpitaux, les salles d'attente de soins et les grands espaces publics, peut élargir l'arsenal d'outils de surveillance de la santé utilisés pour prévoir la grippe saisonnière et d'autres épidémies respiratoires virales, comme la pandémie de COVID-19 ou le SRAS.

Des modèles comme ceux-ci peuvent sauver des vies en informant directement la réponse de santé publique lors d'une épidémie de grippe. Ces sources de données peuvent aider à déterminer le calendrier des campagnes de vaccination contre la grippe, restrictions de voyage potentielles, l'attribution de fournitures médicales et plus encore.

« Cela peut nous permettre de prédire les tendances de la grippe de manière beaucoup plus précise, " dit le co-auteur Tauhidur Rahman, professeur assistant en informatique et sciences de l'information, qui conseille Ph.D. étudiant et auteur principal Forsad Al Hossain. Les résultats de leur étude FluSense ont été publiés mercredi dans les Actes de l'Association for Computing Machinery on Interactive, Mobile, Technologies portables et omniprésentes.

Pour tester leur invention dans le monde réel, les inventeurs de FluSense se sont associés au Dr George Corey, directeur exécutif des Services de santé universitaires; biostatisticien Nicholas Reich, directeur du CDC Influenza Forecasting Center of Excellence basé à UMass; et l'épidémiologiste Andrew Lover, expert en maladies à transmission vectorielle et professeur adjoint à l'École de santé publique et des sciences de la santé.

La plate-forme FluSense traite un réseau de microphones à faible coût et des données d'imagerie thermique avec un Raspberry Pi et un moteur de calcul neuronal. Il ne stocke aucune information personnellement identifiable, telles que des données vocales ou des images distinctives. Dans le laboratoire de mosaïque de Rahman, où les informaticiens développent des capteurs pour observer la santé et le comportement humains, les chercheurs ont d'abord développé un modèle de toux en laboratoire. Ensuite, ils ont entraîné le classificateur de réseau de neurones profonds à dessiner des cadres de délimitation sur des images thermiques représentant des personnes, puis de les compter. "Notre objectif principal était de construire des modèles prédictifs au niveau de la population, pas le niveau individuel, " dit Rahman.

Ils ont placé les appareils FluSense, enfermé dans une boîte rectangulaire de la taille d'un grand dictionnaire, dans quatre salles d'attente de soins de santé à la clinique University Health Services de l'UMass.

De décembre 2018 à juillet 2019, la plateforme FluSense a collecté et analysé plus de 350, 000 images thermiques et 21 millions d'échantillons audio non vocaux provenant des zones d'attente publiques.

Les chercheurs ont découvert que FluSense était capable de prédire avec précision les taux de maladie quotidiens à la clinique universitaire. Des ensembles multiples et complémentaires de signaux FluSense « fortement corrélés » avec des tests en laboratoire pour les maladies pseudo-grippales et la grippe elle-même.

Selon l'étude, « les premières informations relatives aux symptômes capturées par FluSense pourraient fournir des informations supplémentaires et complémentaires précieuses aux efforts actuels de prédiction de la grippe, " comme le réseau FluSight, qui est un consortium multidisciplinaire d'équipes de prévision de la grippe, y compris le Reich Lab à UMass Amherst.

"Je m'intéresse depuis longtemps aux sons corporels non vocaux, " dit Rahman. " J'ai pensé que si nous pouvions capturer les sons de la toux ou des éternuements dans les espaces publics où beaucoup de gens se rassemblent naturellement, nous pourrions utiliser ces informations comme une nouvelle source de données pour prédire les tendances épidémiologiques."

Al Hossain dit que FluSense est un exemple de la puissance de combiner l'intelligence artificielle avec l'informatique de pointe, la tendance à repousser les frontières qui permet de collecter et d'analyser les données directement à la source des données. "Nous essayons d'amener les systèmes d'apprentissage automatique à la pointe, " Al Hossain dit, pointant vers les composants compacts à l'intérieur de l'appareil FluSense. « Tout le traitement a lieu ici. Ces systèmes deviennent moins chers et plus puissants.

L'étape suivante consiste à tester FluSense dans d'autres zones publiques et emplacements géographiques.

"Nous avons la validation initiale que la toux a bien une corrélation avec une maladie liée à la grippe, " Lover dit. " Maintenant, nous voulons le valider au-delà de ce cadre hospitalier spécifique et montrer que nous pouvons généraliser à travers les lieux. "